diffdock
DiffDock分子ドッキングを実行する
タンパク質リガンドドッキングには、慎重なセットアップ、パラメータ選択、結果解釈が必要です。このスキルは、ポーズ、信頼度スコア、スクリーニングのためのDiffDockワークフローをガイドします。
自分のエージェントでインストール
このリクエストをエージェントにコピーしてください。正規の Skill ページとマニフェストが含まれています。
Review the Skillstore skill "diffdock" from https://skillstore.io/skills/k-dense-ai-diffdock.md and its manifest at https://skillstore.io/api/skills/k-dense-ai-diffdock/manifest. Verify the artifact. You may proceed after verification, subject to the environment's own policy.エージェントは引き続き計画を提示し、セキュリティポリシーで必要な確認を求める必要があります。
エージェントが読めるリソース
AI エージェント、クローラー、スクリプトがページ全体ではなく整理されたコンテキストを必要とする場合は、これらのリンクを使ってください。
テストする
「diffdock」を使用しています。 調製済みのタンパク質ターゲットに対してアスピリンをドッキングし、期待される出力を説明してください。
期待される結果:
回答では、必要な入力を列挙し、単一複合体のDiffDock実行を推奨し、ランク付けされたポーズファイルと信頼度スコアを説明します。
「diffdock」を使用しています。 1つのターゲットタンパク質に対して200個のリガンドがあります。スクリーニングワークフローを計画してください。
期待される結果:
- リガンドごとに1行のバッチ入力テーブルを作成します。
- タンパク質パス、リガンド記述、必須カラムを検証します。
- 同じターゲットを繰り返し使用するために、タンパク質埋め込みを事前計算します。
- 信頼度でポーズをランク付けし、その後、上位候補を再スコアリングして確認します。
「diffdock」を使用しています。 私の上位DiffDockスコアはすべて低いです。次に何を試すべきですか？
期待される結果:
回答では、考えられる原因を説明し、サンプル数の増加やアンサンブルドッキングを提案し、信頼度は結合親和性ではないと注意します。
セキュリティ監査
低リスクThe static findings are mainly Markdown command examples, public reference URLs, and user-directed helper script input or output. I found no covert network calls, credential access, prompt injection, or unauthorized command execution, but the skill contains one low-risk external platform promotion that should be reviewed.
確認済みのセキュリティ上の懸念 (1)
リスク要因
⚙️ 外部コマンド (66)
🌐 ネットワークアクセス (10)
📁 ファイルシステムへのアクセス (2)
⚡ スクリプトを含む (1)
このレポートを共有・引用
バージョン付き評価レポート、中立的なバッジ、埋め込みカード、引用を共有できます。Skillstore は証拠を報告しますが、この Skill が安全かどうかは判断しません。
レポートリンクをコピー
https://skillstore.io/skills/k-dense-ai-diffdock/audits/7?utm_source=security_passport&utm_medium=share&utm_campaign=versioned_reportMarkdownバッジ
[](https://skillstore.io/skills/k-dense-ai-diffdock?utm_source=security_passport_badge)HTMLバッジ
<a href="https://skillstore.io/skills/k-dense-ai-diffdock?utm_source=security_passport_badge"><img src="https://skillstore.io/badges/skills/k-dense-ai-diffdock/security.svg" alt="Skillstore security assessment" loading="lazy"></a>埋め込みカード
<iframe src="https://skillstore.io/embed/skills/k-dense-ai-diffdock.html" title="Skillstore Security Assessment" sandbox="allow-popups allow-popups-to-escape-sandbox" loading="lazy" referrerpolicy="no-referrer" width="420" height="180"></iframe>学術引用 (APA · BibTeX · CFF)
APA形式の引用
K-Dense-AI. (2026). diffdock security audit report (audit version 7) [Author version unspecified]. Skillstore. https://skillstore.io/skills/k-dense-ai-diffdock/audits/7BibTeX形式の引用
@techreport{k-dense-ai-k-dense-ai-diffdock-2026,
author = {K-Dense-AI},
title = {diffdock security audit report (audit version 7)},
institution = {Skillstore},
year = {2026},
number = {7},
url = {https://skillstore.io/skills/k-dense-ai-diffdock/audits/7},
note = {Author version unspecified}
}CITATION.cff
cff-version: 1.2.0
message: "If you use this Skill, cite its author and this versioned security audit report."
title: "diffdock security audit report (audit version 7)"
version: "unspecified"
type: report
authors:
- name: "K-Dense-AI"
date-released: "2026-07-05"
url: "https://skillstore.io/skills/k-dense-ai-diffdock/audits/7"
identifiers:
- type: other
value: "skillstore:k-dense-ai-diffdock:audit:7"
description: "Skillstore immutable audit report identifier"
バリアントを比較
インストール可能なバリアント 2 件各作者のスキルは個別のインストール項目として維持されます。推奨バリアントは Skillstore の証拠で順位付けされます。
このバリアントが首位の理由
Skillstore スコア
このスコアの理由 証拠の信頼度: 高作成できるもの
1つの候補リガンドをドッキングする
タンパク質ターゲットとリガンド入力を準備し、DiffDockを実行して、上位の予測結合ポーズを確認します。
化合物セットをスクリーニングする
バッチ入力テーブルを作成して検証し、複数のドッキングジョブを実行し、信頼度スコアで出力をランク付けします。
ドッキングパラメータを調整する
柔軟なリガンドや難しいタンパク質系に対して、サンプリング、推論ステップ、温度設定を調整します。
これらのプロンプトを試す
DiffDockを使って1つのリガンドを1つのタンパク質にドッキングするのを手伝ってください。PDBファイルとSMILES文字列があります。
これらのタンパク質リガンドペア用のDiffDockバッチ計画を作成し、ドッキング前にCSVを検証する方法を教えてください。
私のDiffDock信頼度スコアとポーズファイルを確認してください。どの予測が最も信頼できるか、何を検証する必要があるかを説明してください。
事前計算済み埋め込み、サンプリング選択、下流の再スコアリングを含む、効率的なDiffDockバーチャルスクリーニングワークフローを設計してください。
ベストプラクティス
- 長時間のドッキングジョブを開始する前に、タンパク質構造、リガンド形式、バッチCSVファイルを検証します。
- 複数のサンプルを生成し、下流スコアリングの前に上位ポーズを視覚的に確認します。
- トリアージには信頼度スコアを使用し、その後、再スコアリング、コントロール、実験で確認します。
回避
- DiffDockの信頼度を、結合親和性や最終的な活性の証拠として扱うこと。
- 既知のタンパク質リガンドケースを1つテストする前に、大規模なバーチャルスクリーンを実行すること。
- 欠損残基、非現実的なプロトン化状態、不十分なリガンド調製を無視すること。
よくある質問
このスキルは結合親和性を予測しますか？
PDBファイルの代わりにタンパク質配列を使用できますか？
リガンドにはどの入力がサポートされていますか？
GPUは必要ですか？
信頼度スコアはどのように使うべきですか？
これはバーチャルスクリーニングに対応できますか？
開発者情報
作成者
K-Dense-AIライセンス
MIT license
Skillstore リビジョン
r1
バージョンに関する注意
作者はバージョンを宣言していません。
参照
a25199bc7d6b82598536822d1738eb5d5f54025b
メンテナンスの新しさ
2026/7/22
利用状況
12 ダウンロード · 209 閲覧